交通预测分析范文（精选12篇）
交通预测分析 第1篇
1.1 交通与土地利用的关系
交通与土地利用互为因果关系,交通设施的建设拉动沿线的土地利用,相反,土地利用变化带来人们出行活动的变化,从而诱发交通的生成,促进交通设施的建设。交通设施与土地利用之间的关系可以用系统中不同组成部分之间的关系来描述。两者都是所研究的该特定系统的组成部分,而连接它们的媒体就是交通。
从土地利用与城市交通的结合方式来看,二者之间的关系又可称作“源流关系”。土地是城市社会经济活动的载体,其空间分布相对来说是静态的。各相对独立功能小区间在人员、货物等方面的交流主要是通过交通而得以实现。城市用地与内部交通“源流关系”构成了城市复杂的交通网络(见图1)。
城市土地利用和交通运输系统之间的关系是一种循环作用与反馈关系。土地利用结构决定市内交通运输需求,道路即交通设施的改善又反过来改变土地利用的强度和模式,其主要矛盾随城市发展阶段的不同而改变。
1.2 交通需求预测中考虑土地利用的必要性
传统交通规划过程中的“四阶段预测法”对于交通需求产生的预测多采用类型分析法和回归分析法。出行生成包括出行发生和出行吸引,通常将出行发生和出行吸引分别进行预测,在预测出行生成量时, 如果采用类型分析法, 通常会将研究区域的家庭划分为若干类型, 需要调查居住用户的人口、收入、车辆拥有量和出行目的。如果是采用回归分析法, 则会考虑城市的经济发展水平、分区的居民数、平均收入、平均车辆拥有量、其中各类职业的人口数、分区距市中心的距离及非住宅用地面积等多个因素。在出行吸引量的预测中, 类型分析方法主要用于人员出行的吸引量预测,而回归分析方法主要用于货物出行的吸引量预测。类型分析法以工作岗位为分析单位, 主要考虑的因素为岗位的类型和分区出行条件, 或是分区的交通通达程度。
传统的交通需求预测中,一直比较注重各种出行量与其影响因素之间的关系,使得预测过程过于复杂。由于考虑了较多影响因素的定量指标,这就要求在具体的规划项目中收集大量与之相关的数据,不仅调查和统计的工作量大,在量化过程中,很难保证其精度,由此建立的预测模型,也很难保证其准确性。因此,很有必要通过简单、经济、可行、快速的交通调查解决交通规划基础数据不足的问题,尤其在我国和一些发展中国家,交通设施和土地利用状况日新月异,花费很大代价得来的数据生命周期很短且应用范围有限,很不合算,因此,有必要推广应用一些快速交通需求预测方法。从土地利用与交通需求相互作用的内在关系出发,寻求建立土地利用与交通需求的直接相关模型,简化规划过程,对寻求土地利用和交通系统的最佳结合,提高交通需求预测的效率和精度有着十分重要的现实意义。
2 预测思路
土地利用是区域的各种联系、交通建设、经济活动和人口在空间上集聚的表现。城市土地利用一般划分为居住用地、公共设施用地、工业用地、仓储用地、对外交通用地、道路广场用地、市政公用设施用地、绿地、特殊用地、水域和其他用地10大类。各种用地的划分强调了区位因素的差别而引起地租差异,区位因素差异愈大,各种用地分化趋向愈强,分布在城市内,形成了一个城市土地利用结构。
交通的本质是由人或物同空间位置之间相互联系所形成的一种人类活动。城市活动必然要产生交通,城市土地利用是交通产生的源,交通系统支持和影响着土地利用及其相关的活动。
不同的土地利用布局、利用性质和利用强度,对应着不同的交通需求。前面提到划分的10 大类用地,单位面积上能够生成的出行量各有差异。对一个特定的交通小区,其内部各类用地面积的不同,土地利用强度的不同,直接决定了该交通小区的交通生成。同时,关于出行产生量和出行吸引量有两个规律:一是一个分区中,住宅量越多,产生量就越多,而非住宅建筑越多,吸引量就越多;二是单位时间内,一个分区的产生量不一定等于其吸引量,但对整个对象区域,单位时间的产生总量应严格等于单位时间的吸引总量(不计境内外出行时),或至少应大致相等(计境内外出行时,但因境内外出行量毕竟较小)。因此,在预测各小区交通发生和吸引量时,考虑建立一种土地利用与交通生成相关关系模型,以不同种类用地性质的土地面积为自变量,交通生成量为因变量,以现状调查数据为基础资料,通过数理统计回归分析出各类用地与交通生成的关系,继而结合规划年的土地利用,来预测规划年的小区出行发生量和吸引量,从而推算出行生成。
3 交通需求预测模型
交通预测的基本思路是根据分析,建立交通与土地利用之间的基本关系,结合土地利用资料,进而进行交通预测。
交通与土地利用之间的关系模型是一个综合性的系统模型,包括土地利用(居住人数、工作岗位数、汽车拥有量、货物流通量等)三个总变量、交通(出行量、交通量)、交通政策(时间、费用等),一般由四阶段模型组成。
交通需求预测模型主要有:①集计模型。基本思想:将集合成区的出行作为研究对象,着眼于研究交通区出行总体的出行特征,建模基础是各交通区的出行总况。包括增长系数模型和重力模型。②非集计模型。其核心是效用最大化理论,宗旨是出行者将选择使其获得最大效用的出行。它着眼于研究出行者个体的出行行为。在非集合模型中,效用以出行的省时省钱、方便程度等来表达,在理论上利用了现代心理学的成果,引入随机效用的概念。③动力学模型。其基本思想不是基于分析某一时间的交通状况,而是基于分析某一历史过程的交通状况,对将来的交通状况进行预测。
4 交通生成预测模型
4.1 增长率法(Growth factor model)
基本思想:从OD调查中,可得出单位用地面积(单位人口或单位经济指标等)、交通产生、吸引量,如假定其是稳定增长的,则根据规划期限各交通区的用地面积(人口量或经济指标等),便可进行交通生成预测。
把现在不同分区的发生、吸引交通量Ti与到预测时点的增长率Fi相乘,从而求得各分区的发生、吸引交通量T′I=Fi·Ti,方法的关键是如何确定Fi。
目前,某小区有人数5 000人,①假设每个人只有一次出行,则进入小区总的出行人数为多少?②假设25%的人开车来,则进入小区总的车辆出行数为多少?解:总出行人数=5 000人,总的车辆出行数=5 000×0.25=1 250辆。③再假设小区人数以每年5%的速度递增,则15年后总的出行人数为多少?解:总出行人数=5 000×(1+0.05)15=10 395人。
注意:小区居民出行一次;增长率忽略了其他发展因素,特别是交通的发展。
4.2 回归分析法(Regression model)
根据调查资料,建立交通产生或吸引与其主要影响因素之间的回归方程,利用所建立的回归方程,通过对主要影响因素的预测,进而预测交通产生量或吸引量。如国外某城市根据调查资料分析,得出居民出行产生量预测回归方程为:Y=89.9+2.48X,其中,X为私人小汽车拥有量。
4.3 类别回归分析法(Categorized regression model)
回归分析法所考虑的因素只能是连续变量,对于某些非定量指标,如职业、土地利用性质等则无法考虑。而类别回归分析法则是考虑非定量影响因素组成不同的类别,对各种类别分别建立交通生成与定量影响因素之间的回归方程。如建立不同职业的居民出行产生量与私人小汽车拥有量的回归方程,再利用这些回归方程进行交通生成预测。
式中:Q为预测的运输量,a0、a1、a2、a3…为回归系数,X1、X2、X3…为回归因子(可以是人口、国民生产总值等)。
4.4 时间序列法
时间序列法是用现在和过去的交通生成资料,对交通生成与时间的关系进行回归,并用此回归方程预测未来交通生成。包括:Y=a0+a1t+a2t2+…+ant2,Y=a·bt。
4.5 弹性系数法
通过研究确定交通增长率与国民经济发展增长率之间的比例关系——弹性系数,根据国民经济的未来增长状况,预测交通的增长率,进而预测未来交通。
弹性系数E=i1/i2。其中:i1为交通运输量增长率,i2为国民生产总值增长率,弹性系数在一定时期内相对稳定。
5 结合土地利用的模型建立
出行生成:根据规划区域国内生产总值的增长率和道路运输弹性系数可以确定规划期内出行生成总量的增长率,结合现状的出行生成情况,可以从宏观上确定规划区域在规划年份总的出行生成量A,且
式中:A0为现状出行生成总量,γ为国内生成总值的增长率,e为道路运输弹性系数。
出行发生:主要考虑居住用地利用与出行发生量之间的关系模型,i小区的出行发生量(标准小客车/d)为
式中:A为出行生成的总量(标准小客车/d),Fi为i小区的出行发生量,Ki为小区的土地利用强度影响系数,Ri为小区内的居住用地面积(ha),KR为居住用地对出行发生量的回归系数,V为居住用地对出行发生量的回归常数,n为小区划分个数。
出行吸引:作者认为公共设施、工业、仓库和绿地对交通吸引量产生的影响较大, 故将对外交通用地、道路广场用地、市政公用设施用地、特殊用地和水域及其他用地归为其他类,将其对出行生成的影响归结为常数项。各用地对出行吸引量的权重值由回归模型得到,i小区的出行吸引量(标准小客车/d)为
式中:Xi为i小区的出行吸引量,Ci、Mi、Wi、Gi及Oi分别为i小区内的公共设施、工业、仓库、绿地和其他用地的用地面积(ha),KC、KM、KW、KG、KO分别为公共设施、工业、仓库、绿地和其他用地对出行吸引量的权重值。
上述模型直接建立土地利用与交通生成之间的关系, 简化传统预测方法分析人口情况、就业岗位情况等进行预测的过程, 可充分利用城市总体规划与城市交通规划的共享数据库, 减少大规模交通调查所耗费的人力、物力和财力。
6 结束语
土地利用和交通有着十分密切的联系,是产生城市交通需求的根源,决定着人流物流的空间分布;反过来城市交通的可达性也会影响城市土地利用的规模和强度,两者之间相互联系、相互制约,是一个动态的过程。
本文从分析交通与土地利用内在联系入手,探索性地结合土地利用情况直接进行交通需求预测,为把土地利用规划和交通规划相结合提供一种思路。客观上讲,这种预测过程仍然是一个“静态”过程,主要考虑了特征年份的土地利用情况,如何更好地将土地利用与交通需求预测结合起来还有待于做进一步研究。
摘要：指出传统交通需求预测的不足,分析交通与土地利用的本质以及交通需求与土地利用的内在联系,建立土地利用与交通需求生成的相关关系模型,简化传统方法的预测过程。并简要介绍交通需求预测的模型及分类,为土地利用规划和交通规划相结合提供思路。
关键词：土地利用,交通需求,预测
参考文献
[1]邵春福.交通规划原理[M].北京:中国铁道出版社,2004.
[2]肖秋生,徐慰慈.城市交通规划[M].北京:人民交通出版社,1990.
[3]马荣国,杨立波.交通工程设计理论与方法[M].北京:人民交通出版社,2002.
[4]任福田.刘小明.荣建.交通工程学[M].北京:人民交通出版社,2003.
[5]葛亮,王炜,陈学武.结合土地利用再谈城市交通可持续发展[J].华中科技大学学报:城市科学版,2002(3).
高速公路道路交通事故分析预测 第2篇
随着道路交通事业的发展，高速公路交通事故也在不断增加，对人类的生命和财产安全构成了极大的威胁。我国目前的道路交通安全状况相对于世界水平要差得多，高速公路道路交通事故所造成的损失非常高。因此，改善交通安全状况、预防和减少高速公路交通事故具有重大的现实意义。
高速公路交通事故往往造成人员伤亡，车辆损毁、道路堵塞等严重后果，为探索高速公路道路交通事故发生的规律，分析现有道路交通条件下未来高速公路交通事故的发展趋势，以便及早采取措施进行预防，减少事故发生次数及损失程度，必须进行高速公路交通事故预测。另外，高速公路道路交通事故分析预测是道路交通安全规划，决策及高速公路交通工程项目效益评价中的一个关键性问题，分析预测正确与否直接关系到高速公路交通设施的建设，高速公路交通管理政策的制定和高速公路交通建设资金的投资分配，具有重要的现实意义。
为了解决此问题，现利用已收集到的A省高速公路交通事故数据（见附件）、建立针对该省具体情况的数学模型，预测该省未来的交通事故情况，解决下面几个问题：
1、目前国内外用于统计道路交通事故状况的四项绝对指标为交通事故次数、死亡人数、受伤人数以及直接经济损失，这四项统计指标既是认识交通事故的起点，又是构造其它交通事故统计指标的基础，基本涵盖了道路交通事故所造成各种损害的主要方面，因此选用这四项指标，试探讨以聚类分析作为理论基础的高速公路公路交通事故统计分析方法，然后从附件中所给A省高速公路交通事故四项指标的历史统计数据出发，对该省公路交通事故进行聚类分析研究，以期该省获得该省高速公路交通事故基于四项指标的时间、空间分布规律。
2、高速公路交通事故预测是高速公路安全评价、规划及决策的基础，国内外关于道路交通事故的预测有多种方法，鉴于高速公路交通事故具有复杂性、随机性和灰色性的基本特征，对高速公路公路交通事故预测时选用时间序列分析，灰色分析、神经网络等分析方法。根据高速公路交通事故的分布规律，构建高速公路交通事故发生次数、死亡人数、受伤人数、直接经济损失的预测模型。以A省公路交通事故的历史统计数据为基础，就模型精度等级的划分和预测的准确性作进一步的分析，探讨建立组合模型或提高预测准确性的其它解决方案，最后对A省公路交通事故未来五年的发展趋势做出科学预测，为高速公路交通安全管理部门提前预防和控制交通事故提供决策依据。
交通预测分析 第3篇
(1.武汉理工大学a.能源与动力工程学院;b.航运学院，武汉 430063;2.交通运输部 中国海上搜救中心，北京 100736)
0 引言
船舶交通流量的准确预测有助于提高海事管理的效能，是船舶通航、航路规划与设计的重要参考依据.船舶交通流量实际上具有很大的随机性，月度船舶交通流量数据构成一个典型的非线性时间序列［1-2］，采用线性回归、曲线方程等对其进行回归分析往往难以奏效.而人工神经网络具有极强的非线性映射能力，对非线性系统有良好的识别、预测能力，在信息预测领域已经得到广泛应用.以BP神经网络为例，由于其具有极强的非线性映射能力，对非线性时间序列具有很好的拟合能力，但过度拟合将导致其外推能力不佳，测试和预测精度变差，甚至出现与实际变化趋势相反的现象.为协调两者的矛盾，本文用神经网络对交通流量进行仿真及预测，从控制仿真残差入手设计和构建具有合适结构和预测精度等的网络，并应用于实际问题.
1 基本原理及流程设计
残差是指在回归分析中的实际观察值与回归估计值之差，以δ表示.显然，有多少对数据，就有多少个残差.针对交通流量这样的非线性系统，可通过建立合适的神经网络代替常规的回归方程，从而实现对该类特征系统的仿真及预测.神经网络对样本数据的仿真也会存在一定的偏差，因此将交通流量的观测值与按神经网络进行的仿真值之差定义为本文所指的残差.
残差分析［3-4］就是通过残差所提供的信息，分析出数据的可靠性、周期性或其他干扰.对残差的基本要求或残差分析的基本原理是:δ遵从正态分布N(0，σ2);δ与 σ 之比，称为标准化残差，以 δ*表示;δ*遵从标准正态分布N(0，1).实验点的标准化残差落在(－2，2)区间以外的概率≤0.05，若某一实验点的标准化残差落在(－2，2)区间以外，可在95%置信度将其判为异常实验点.
用神经网络替代回归方程的功能，结合残差分析，本文设计的基于BP神经网络与残差分析的船舶交通流量预测及分析流程见图1.
图1 基于BP神经网络与残差分析的交通流量预测流程
2 应用实例
2.1 初步仿真
采用上述流程对月度船舶交通流量进行仿真及预测.结合所做项目，调研得长江九江大桥观测线2008年8月—2011年7月之间月节点上船舶交通流量数据，见表1.
［5］和［6］，本文用前3个月的交通流量数据预测第4个月的交通流量，如用2008年8—10月的交通流量数据，预测2008年11月的交通流量数据，即输入为［620504529］，输出为［406］.依次类推，从而表1的36个月度节点的原始交通流量数据构成33组原始样本.将前30组用作网络训练样本，后3组用作网络测试样本，则样本构成见表2.
表1 长江九江大桥观测线月度船舶交通流量
表2 原始数据样本分组列表
根据数据分组及输入输出的对应，设计网络结构为3-8-1的3层BP网络:其中输入层为3个神经元，输出层为1个神经元［7］，中间隐含层神经元数为 8［8］，见图 2.
图2 设计的BP网络结构
神经网络的建立及仿真通过MATLAB软件实现.［9］主要设置为:隐层传递函数为“tansig”，输出层传递函数为“purelin”，训练函数为“trainlm”，训练目标为“0.1”学习速率，输入层权值阈值、网络层权值阈值均采取默认值(将训练目标分别设置为1e-2和1e-4，学习速率设置为0.01时分别进行训练，得到训练样本很高的拟合精度，但对测试样本仿真效果很差，甚至出现负值，故此处仅以最后一次的训练及仿真过程为例进行分析，其他情形的描述、图表等不再列出).在最后一次仿真过程中，采用33组样本时网络经过3步训练就达到设定的目标(0.1)要求.该网络经训练是否适合于对测试样本的仿真以及对未来交通流量的预测，可借助下面的残差分析判定.
2.2 残差分析
残差分析可利用MATLAB或SPSS软件实现.用MATLAB画出残差和标准残差分布相关性特征，见图3和4［10］;用SPSS画出残差和标准残差的正态统计性特征，见图 5 和 6［11］.
由图3可知:用神经网络对船舶交通流量仿真的残差和标准残差均落在0线附近的带状区域内，且无明显的趋势［3］，初步说明该网络能够较好地拟合过去的流量数据;标准残差绝大多数落入［－1，1］区间，且几乎全部落入［－2，2］区间内，说明在95%置信度下该网络的拟合过程几乎没有异常点.由图4可知，残差和标准残差的自相关因数具有明显的截尾性，说明残差和标准残差时间序列已不存在相关性，可判定残差和标准残差为白噪声序列［12］.根据图5和6，残差和标准残差具有相同的概率分布特征，且其概率分布与期望的正态分布检验直线基本吻合，故判断该网络拟合结果的残差和标准残差时间序列符合正态分布［13］.
综上分析，采用前面建立的神经网络，得到交通流量仿真的残差和标准残差为正态白噪声时间序列，所建立的神经网络在95%的置信度水平下对历史数据的仿真较好，因此可以尝试利用该网络对交通流量进行仿真及预测.
2.3 预测结果分析
采用前述训练好的网络对所有样本进行仿真，画出相对误差((预测值－观测值)/观测值)曲线，并对未来12个月的交通流量进行预测.对长江九江大桥观测线2011年8月—2012年7月12个月节点上的船舶交通流量预测结果见表3(小数点后数字均省略，在整数位进1);仿真及预测结果见图7，其中第31～33节点处的值分别为测试样本的观测值和仿真值.
表3 长江九江大桥观测线船舶交通流量预测
由图7可知，该网络能很好地拟合出前30组样本所反映的交通流量变化趋势，特别是对后3组测试样本，该网络也已仿真出交通流量“升高—滑落”的局部变化.另外，分析图7的相对误差曲线可知，所有样本仿真的相对误差在0.05左右波动，并没有出现较大的偏离或异常值.在预测部分，最先的两个预测值体现出交通流量的短时下降(在第35个节点处的值最小)，其后的交通流量体现出较为平稳的波动变化，这与实际情况相符.由仿真及预测的效果可见，本文建立的网络能用于对交通流量的仿真及预测，网络输出值能够作为实际交通流量的参考.同时，其仿真和预测效果也与文中所述的残差分析和控制相呼应，即在控制残差的前提下设置神经网络的训练参数(如设置训练目标为0.1)，以协调“过度拟合”与“预测误差”之间的矛盾.
3 结束语
从应用角度出发，以解决实际问题为目的，尝试将神经网络拟合与残差分析相结合，从控制残差为正态分布、残差通过白噪声检验［14］等方面协调神经网络的“拟合精度不够”与“因过度拟合导致预测误差偏大”之间的矛盾，以使所建立的BP神经网络能够较好地拟合过去时段的数据，又能对未来作出较合理、可信的预测.
将基于BP神经网络与残差分析的船舶交通流量预测应用于长江九江大桥观测线交通流量分析中，从预测效果分析可知，该方法可行，结论具有较高的参考价值.交通流量预测结果可作为海事管理部门合理配备海事管理资源的参考依据，以规范航行秩序、保障通航安全.
参考文献:
［1］曾慧，郑彩萍，王涛涛.基于(残差)Auto-Regressive模型利用MATLAB解决经济非平稳时间序列的预测分析［J］.佳木斯大学学报:自然科学版，2008，26(1):71-74.
［2］王丽娜，肖冬荣.基于ARMA模型的经济非平稳时间序列的预测分析［J］.武汉理工大学学报，2004，28(2):133-136.
［3］王敏.残差分析在统计中的应用［J］.江苏统计，2000(8):24-25.
［4］王燕.应用时间序列分析［M］.北京:中国人民大学出版社，2005.
［5］周少龙，周锋.基于时间序列的港口货物吞吐量GRNN预测模型［J］.上海海事大学学报，2011，32(1):70-73.
［6］飞思科技产品研发中心.神经网络理论与MATLAB 7实现［M］.北京:电子工业出版社，2005.
［7］朱武亭，刘以建.BP网络应用中的问题及其解决［J］.上海海事大学学报，2005，26(2):64-66.
［8］严鸿，管燕萍.BP神经网络隐层单元数的确定方法及实例［J］.控制工程，2009，16(S1):100-102.
［9］朱凯，王正林.精通MATLAB神经网络［M］.北京:电子工业出版社，2010.
［10］张善文，雷英杰，冯有前.MATLAB在时间序列分析中的应用［M］.西安:西安电子科技大学出版社，2007.
［11］杨小平，刘刚，赵晋.统计分析方法与SPSS应用［M］.北京:清华大学出版社，2008.
［12］于宁莉，易东云，涂先勤.时间序列中自相关与偏相关函数分析［J］.数学理论与应用，2007，27(1):54-57.
［13］宗序平，姚玉兰.利用Q-Q图与P-P图快速检验数据的统计分布［J］.统计与决策，2010(20):151-152.
新建道路的交通量预测数学模型分析 第4篇
1 交通量预测的整体思路
在区域路网交通量预测时,将远景交通量分为正常交通量、转移交通量、诱增交通量。在正常交通量预测时,以路段交通量的增长与其影响区的经济增长之间的关系, 在原有道路上对其交通量统计,得出正常交通量;在正常交通量预测的基础上进行转移交通量预测,在预测的过程中采用阻抗分析的思想, 即考虑时间,行程距离,费用以及舒适性等因素,逐段计算该路径的每个路段的交通量可能转移到新、改建公路上的转移概率,再求出每个路段的转移值并累加,进而获得转移交通量;根据正常交通量和转移交通量预测、新建道路所在地区的经济发展情况以及该地区的城市(乡村)规划情况,采用经济增长模型法对诱增交通量进行预测,最终得到路网中各个路段的交通量。
2 对新建道路的交通量预测的计算
当原有路网运输能力远不能满足交通需求,不可避免的要新建公路或改造旧路,致使部分交通量从相关道路或者由其它运输方式转移到新(改)建路上,这部分交通量构成了新建路的基本交通量,在改建路中也占有一定的比例。因此,合理地确定转移交通量对新(改)建路的交通量分析和预测起着重要的作用。
远景交通量由正常交通量、转移交通量和诱导交通量构成。正常交通量包括现有交通量和自然增加量两部分(在原有路段上可观测获得)。转移交通量指道路建成后,从其他道路及由于竞争关系而从其他交通交通方式转移过来的交通量。而诱增交通量主要是由于时间和距离缩短,改变了经济可接近性,以及由于道路建设前后沿线引起的新的产业布局和开发项目,而新产生的交通量。对一条新建道路来说,交通量只包括转移和诱增交通量。而对改建道路则包括正常交通量、转移交通量和诱增交通量。
2.1 道路转移交通量预测
确定交通阻抗是转移交通量和诱增交通量预测的关键步骤之一,交通阻抗是指路网中路段或路径的运行距离、时间、费用、舒适度或者这些因素的综合。本文取平均行驶时间和道路收费作为路段的交通阻抗。有以下公式可得
式中:t为交通阻抗; U为车辆平均行驶速度,km/Ph;tf为道路收费转换时间,h ;Us为各等级公路的设计车速,km/Ph;α1、α2、α3为回归参数;Q为交通量,辆/Ph; C为通行能力,辆/Ph;I、β为计算参数。
首先,找出与新建公路有竞争关系的路径,逐段计算该路径的每个路段的交通量可能转移到新建道路上的转移概率,再求出每个路段交通量的转移值并累加,进而获得转移交通量。
道路对交通量Q的吸引程度,一般与道路提供的行车条件的差异有关,行车条件主要包括行程时间(t)、行程距离(l)、费用(c)以及舒适性(e),道路交通量Q与这些因素间的关系可表述为
第一种思路公式中的c为广义的费用,包括时间费用、行驶费用和道路费用三部分。广义费用决定汽车的择路,其他因素是次要的。这样上述公式可简化为Q=f(c)。即在费用上的差别,将导致车流量的转移,可用费用差表示。 在这种思路上,采用的转移曲线如图1所示。
有公式
式中:t0、t1分别为改建道路的改建前、改建后的交通阻抗; t为最短路径的总阻抗;P1为新建路交通量占总交通量的比例;P0为新(改)建路交通量的最小比例;C1、C2分别为一、二条的单位车辆广义费用(元/车);λ为道路选择修正系数,在(0,1)间取值;δ两条道路各承担50%交通量,费用差为0时的函数调节值,可由公式本身导出。
2.2诱增交通量的计算
道路的新建或改造诱发了新的交通量, 但诱增交通量不是只产生在新建的路段上,在其影响范围内的其它路段上也会产生。
新建道路必会使区域的内路网发生显著变化,新的交通道路建立,必然会对其交通布局产生优化,创造更好的发展条件,诱增模型的建立可套用经济可接近性模型。
2.2.1 诱增模型的建立
式中:ACCi为第i区t年的交通可接近系数;Pi为第i区t年的车辆数;POTi(w)、POTi(w/o)分别为有无本项目时第i区t年的交通车辆增长系数;ϕ
2.2.2 诱增量的计算
式中:Q′ij和Qij分别为诱增型和趋势型的交通指标或OD分布量。
则一条新增道路的由式(6)、(12)可得该条道路的交通量为式(13)改建道路交通量,式(14)新建道路交通量
2.3其他因素影响和不足
其它运输方式转移交通量是指新建公路建成后,由于竞争关系从铁路、水运其转移到新建公路上的交通量, 一般而言, 水运客运量向公路转移的可能性不大, 主要是铁路客运量转移和铁路、水运的货运量转移。主要因素有运距、运输费用、运价、送达时间、舒适性、方便性、国家政策等, 在经济运距范围内票价和行程时间是决定铁路客运量向公路转移的首要因素。由于路况改良使得其它道路上车流逐渐转移到新道路上, 导致新路段交通量呈递增趋势。同时, 当交通条件改善后, 必然会刺激道路附近区域经济增长, 而经济增长又会使诱增交通量得到同步增加。
本文采用统计方法的模型,这类模型是用数理统计的方法处理交通历史数据,如交通流量、交通速度、旅行时间等用于预测。该算法中的转移交通量预测和诱增交通量预测由于其产生机理的复杂性尚在探索中。一般来说统计模型使用历史数据进行预测,它假设未来预测的数据与过去的数据有相同的特性。研究较早的历史平均模型方法简单,但精度较差,虽然可以在一定程度内解决不同时间、不同时段里的交通流变化问题。道路交通系统是一个有人参与的、时变的、复杂的非线性大系统, 它的显著特点之一就是具有高度的不确定性,在将主要影响因素量化的过程中还存在着一些不确定性。历史平均模型方法和线性回归模型方法都较为简单,参数可采用最小二乘法估计,计算简便,但他们都未能反映交通流过程的不确定性与非线性,尤其无法克服随机干扰因素的影响。基于统计方法的模型理论简单,容易理解,但由于大部分模型都是基于线性的基础,所以对于交通流变化较大时,预测效果降低。
3 结束语
交通预测的目的,是来满足未来交通的发展,是建立在交通需求和交通供应的基础之上的,不以二者为基础建立的预测,是一种交通投资的浪费。道路交通设施的规划和建设必需以交通需求作为依据和条件,同样,需求的管理也要以交通供应能力作为依据和限制。
由于我国大部分地区路网结构不合理,是以后重点改造的对象,现有的交通量预测方法又存在不足,本文提出基于正常交通量的趋势增长,利用概率分配法进行路网交通量预测的方法可以很好地解决这一问题。它继承了个别推算法的优点又摈弃了总量控制法的缺点,而且思路清晰,可操作性强,适用于这些地区的路网。解决交通设施供给与需求的矛盾,进行交通量预测,使城市道路网络布局更加合理化,才能提高运输网络的使用效率,解决交通拥挤和交通安全问题。
摘要：随着经济的发展,我国道路发展水平的提高,交通车辆的增加,交通拥堵问题已成为目前亟待解决的问题。采用交通阻抗分析和诱增经济增长模型法,对道路交通量进行预测,为新建交通道路的建立是否对其交通布局产生优化评价提供依据。
关键词：交通量预测,道路建设,数学模型,交通量转移
参考文献
[1]朱从坤,冯焕焕.基于路段交通量的趋势增长——概率分配路网交通量预测方法[J].公路交通科技,2005,22(10):85-86.
[2]黄正昌,郑莉,王嘉.公路交通量预测失准问题与对策[J].公路与汽运,2005(3):162-163.
[3]贺国光,李宇,马寿峰.基于数学模型的短时交通流预测方法探讨[J].系统工程理论与实践,2000(12):51-52.
[4]曾胜.道路交通量灰色预测模型研究[J].公路工程,2007,32(6):157-158.
[5]刘静,关伟.交通流预测方法综述[J].公路交通科技,2004(3):82-83.
预测小升初作文题目：交通安全 第5篇
【优秀作文】
交通安全
当汽车不停地穿梭于拥挤的马路上时，当红绿灯闪闪烁烁的交替时，交通安全，这司空见惯，平常得不能再平常的意识在人们心里渐渐淡化，还是逐步加深……
那红色的指示灯亮起的时候，仍有呼啸而过的车辆，为什么?为什么?!难道他们不知道，这样的一次放纵，也许会有鲜活的生命在刹那间消逝，也许是自己，也许是同车的伙伴，也许是无辜的路人，为了争抢这短短的几秒钟，在他们的脑海中想过吗?这几秒钟的代价将是什么，流泪的将不止他一个人，还有自己的父母，孩子，亲人，朋友，和他相守一生的人，他有想过吗?!当然，这样的悲剧有时不止涉及一个家庭，也许会连累几个甚至更多。
闯红灯的代价是巨大的，那么酒后驾车呢，当酒气熏天的时候，求求你，别拉开车门，别将汽车发动，当你晕晕乎乎在马路上驰骋时，被酒精刺激后的油门会失控，方向盘会飘移，你的座驾随时会变成可怕的死神，充塞于你驶过的道路，紧紧勒住你生命的咽喉，勒得你喘不过气来，勒的你疲劳至极，生命的绝唱，也终将会响起……同样，将危及的又将是你或是和你擦肩而过的人。
之所以有那么多条交通法规，那是因为有许许多多血与泪的代价编写而成的，它以文字、标志、图片、信号等众多的形式出现在你我的周围，让我们所到之处随处可见，而每个人也都能把遵守交通规则说到完美的地步，而实际呢?请大家抑制这种口头上的满足，多用一些在自己的行动上，当我们走上马路，发动汽车的同时，严肃对自己说：请遵守交通规则!让我们手拉手，将交通安全铭刻我们最深的心房并永远付之于自己的行动……
交通安全
每天大约有100人死于交通安全，安全对我们来讲固然重要。而因为每天死神都会降临，一个个幸福美满的家庭而因此变得支离破碎。
在我家旁边住着一家温馨的人。每天当她的爸爸下班时都会去学校接她，她妈妈一回到家就做饭，吃完饭后都会去公园散散步、聊聊家事，所以每天他们家都过得和乐融融。可这一切却被一场突如其来的交通事故而打破。那件事是发生在星期三的下午，天下着倾盆大雨，她爸爸一如既往的去学校接她，在过人行道的时候，他正好在听电话，一辆汽车像一支离弦的箭向前开去，突然，司机看见了一个人影在前面，可因为本来开车的.速度较快，竟一时停不了车，她爸爸也没看见，汽车就毫不留情的向他撞去，他躺在满地的雨水上呻吟着，鲜血源源不断的流出……本来和乐融融的家，因为这件事而变得死气沉沉。她妈妈一时间接受不了这个事实，导致患了心脏病;活泼可爱的她变得孤僻沉默，习惯不了没有爸爸的生活，成绩一落千丈。
因为安全的隐患，导致把一条条活生生的生命推向悬崖。人的生命只有一条，当你不好好的爱惜它时，它就会离你而去，所以我们应该要好好的珍惜父母给予我们的生命，不要白白的糟蹋它，浪费它。人生就是如此，每个人都会经历生离死别，每个人的生命都是命中注定的，可是死于一场不小心发生的交通事故就太不甘心了。不要管什么，安全还是最重要的，一定要让幸福的生活继续维持下去!
港口道路交通量预测方法 第6篇
【关键词】 港口道路；交通量；道路集疏运系统
0 引 言
近年来，随着港口的不断繁荣、壮大，港口经济已成为我国当代经济中必不可少的组成部分，是推动区域经济发展、调整区域产业结构的重要力量。
港口集疏运系统作为港口物资集散的交通运输服务系统，是港口赖以生存、发展的基础。由于建港初期对港口和临港城市双方发展速度、规模估计不足，致使港城交错，港城交通交织、重叠而出现不同程度的道路拥堵现象。此外，港口道路规划预留发展空间不足，通道资源日益紧张，严重制约了港口的发展。
本文旨在通过对港口道路交通量预测方法进行研究，建立系统的港口道路交通量预测方法，为合理规划港口道路集疏运系统提供理论依据和参考。
1 港口道路预测交通量的方法和思路
港口货物运输主要包括集装箱、液体散货（如化学品、成品油）、件杂货（如重大件、钢材）、固体散货（如散装粮食、矿建材料）等货物运输。港区道路产生的主要交通车型为集装箱卡车、槽罐车、拖挂车及各种货车等。此外，还包括港口内部工作人员及外来到访人员使用的小客车等。
考虑到集装箱运输与其他货类运输的差异性，将预测港口道路交通量的车型归纳为4个部分：
（1）集装箱港区的集装箱卡车；
（2）液体散货、件杂货及固体散货的货物运输车辆；
（3）港区继续建设使用的施工车辆；
（4）港口工作人员从事各类活动使用的客车车辆及外来访客使用的社会车辆。
在进行港区交通量预测时，以这4类车型为研究对象逐一预测并换算为标准交通量，即可为港口道路交通规划提供可靠的依据。具体预测方法见图1。
2 预测方法
2.1 各类交通量预测方法
2.1.1 集装箱卡车量预测
集装箱卡车量预测首先应预测年集装箱集疏运量，再利用公路运输比例与年工作天数得出日集装箱集疏运量；在此基础上，通过集装箱卡车装箱率与集装箱卡车车次换算系数将日集装箱集疏运量换算成日集装箱卡车车辆数，最后再换算为高峰小时交通量。具体换算公式为
日集装箱集疏运量=年集装箱集疏运量 €？公路运输比例 €？年工作天数（1）
高峰小时交通量=日集装箱集疏运量 €？集装箱卡车车次换算系数 €？月不平衡系数 €？日不平衡系数 €？小时不平衡系数（2）
式中各系数值的计算如下：
（1）年集装箱集疏运量。港口货物集疏运方式一般分为陆路和水陆两大类。港口吞吐量与集疏运量之间的换算主要取决于港口水水中转与水陆中转吞吐量各自所占的比例。具体换算为
年集装箱集疏运量=年集装箱吞吐量 €？水陆中转吞吐量所占比例 €？2（3）
（2）公路运输比例。目前，我国沿海港口采用的主要运输方式为公路，尤其是集装箱运输，基本都经由公路运输。公路运输比例可参照历年公路集疏运所占比例，并依据港口铁路、公路等的完善状况进行调整。
（3）年工作天数。根据我国沿海港口基础数据统计资料分析，影响船舶到港及作业的主要因素为波浪、风、雾、冰等。结合这些因素，在预测交通量时可根据不同港口所处环境取不同的年工作天数。
（4）集装箱卡车车次换算系数。设 个标准集装箱对应的集装箱卡车次为n，空驶率为 ，空箱率为 ，则：空驶的集装箱卡车次为 n €？ 次；空箱的集装箱卡车次为 n €？ €？（1 ）次；重箱的集装箱卡车次为1次。
由此可推算出n=1 + n €？ + n €？ €祝？ ），即n=[（1 ）（1 ）] 1。
（5）月、日、小时不均衡系数。由于港口道路交通量变化与港口吞吐量变化通常保持一致，可通过港口吞吐量变化规律来分析交通量的变化特征。
月（日、小时）不平衡系数可用港口近几年吞吐量变化最大月（日、小时）不平衡系数的均值作为估计值。若港口为新建港口，可用该地区附近港口或与该港口规划相近的港口交通量数据作为基础数据进行估计。
将各系数值代入式（1）、式（2），得出港口集装箱高峰小时交通量；将集装箱卡车高峰小时量换算成标准交通量，以便进行交通分析。
标准交通量是将各种车型折算成标准小汽车，依据标准为交通运输部印发的《关于调整公路交通情况调查车型分类及折算系数的通知》，具体数据见表1。
2.1.2 液体散货、件杂货及固体散货的运输车辆
该类货运车辆预测与集装箱卡车量预测过程基本相同，区别主要在于该类货物运输相较集装箱运输少了空箱运输；选择的车型非集装箱卡车，而是中型、大型货车、罐车、拖挂车等。
具体预测过程：根据分货种的年吞吐量预测，将其转换成分货种的年集疏运量，再利用公路运输比例与年工作天数得出各货种日集疏运量。
对于各种货物通常用何种车型进行运输来说，各种车型在该货物运输中所占比例大小显得至关重要。该数据的预测主要基于历年港口货种及车型的调查（见表2）。由各货种的集疏运量及调查数据可得各车型对应的集疏运量，再利用各货车额定载荷（该数据预测值可取历年调查数据的均值）即可得各车型的交通量。
将预测过程转换成计算公式，具体如下：
日交通量=（年集疏运量 €？公路运输比例 €？年工作天数） €？各车型额定载荷 €？（1+空驶率）
高峰小时交通量=日交通量 €？月不平衡系数 €？日不平衡系数 €？小时不平衡系数
式中各系数值的计算与集装箱预测过程中系数值的计算相同，在得出各车型交通量后，根据车型分类及折算系数将其换算成高峰小时标准交通量。
2.1.3 港口施工车辆预测
在港口建设过程中，施工车辆通常会不间断地进出港口。作为港口交通的重要组成部分，施工车辆主要为运土车辆，尤其对新建港区或正在改造的港口，其数量不可忽视。在预测时，可依据历年调查数据，运用定性分析法，在历年数据的基础上，参照港口建设速度、建设程度和规划酌情加减，预测施工车辆数，最后将其折算成标准交通量。
2.1.4 港口行政车辆预测
相关调查数据显示，行政车辆数在港口各类型车辆数中同样占据较大比例。
（1）海关办公楼。海关办公楼产生的行政车辆主要为货主办理报关手续时的小客车，该部分交通量可用集装箱量与小客车的比例来标定。该比例因港口的不同而有所区别，可依据现状调查，一般港区可取2.0左右。此外，由于集装箱高峰小时与小汽车高峰小时通常不太重合，此时，可用集装箱卡车高峰小时折减量（高峰小时折减系数可取0.7左右）作为小客车的预测标准。具体计算如下：
小汽车量=集卡高峰小时量 €？高峰小时折减系数 €？（小客车量/集卡量）最高比例
（2）港区办公楼。该部分交通量主要由工作人员上下班产生，因此，主要由港区工作人员编制规模决定。港区工作人员主要采用单位通勤车及私人小汽车，具体比例可根据港口所在城市消费水平及小汽车拥有量进行估算。在计算时，单位通勤车平均载客量可取15，小客车平均载客量可取2。
2.2 港区交通量预测汇总
对集装箱卡车、液体散货、件杂货及固体散货的货物运输车辆、施工车辆及行政车辆预测完成后进行汇总，即可为合理规划港口道路集疏运系统提供依据。
3 结 语
本文对港口道路交通量预测方法进行了研究，主要研究结果如下：
（1）将预测港口道路交通量的车型归纳为4个部分。
（2）建立上述4个部分的车型交通量预测与港区相应货种吞吐量的计算关系式。具体过程为：将港口吞吐量预测结果转换成相应货种的年集疏运量，再利用公路运输比例与年工作天数得出日集疏运量（除日集装箱集疏运量外，其余各货种的日集疏运量计算还需结合各类车型额定载荷和空驶率），最后综合考虑月、日、小时不平衡系数计算出高峰小时交通量。
对我国道路交通事故量的预测分析 第7篇
关键词：交通事故,GM (1, 1) 模型,预测
一、引言
交通事故的发生往往没有明显的规律, 是随机变化的, 但一个总体长时间内发生的大量事故中却存在着一定的规律性和相当的稳定性, 因此交通事故的有关指标是可以被预测的, 该预测结果可为交通部门采取相关措施提供重要的数据支持和理论依据, 也可为保险行业制定保险金额提供依据。
目前, 国内外针对道路交通事故指标通常应用的预测方法有回归模型法、统计趋势预测法、经验模型法、时间序列法以及马尔可夫模型预测法等。大体来说, 上面的这些方法或者需要大量长时间的数据, 或者应用易受到地域和道路条件的限制, 再或者对交通事故资料要求比较苛刻。基于以上各种方法的缺点, 灰色GM (1, 1) 预测能解决这些问题。灰色GM (1, 1) 预测具有所需信息较少, 计算简便、精度较高等优势, 从道路交通事故自身时间序列寻找有用信息, 探究其内在规律。
二、灰色预测GM (1, 1) 模型的建立与检验
(一) 数据的处理
1.原始数据累加生成处理。
本文选取2006~2011年的数据作为原始数据。由于交通事故的原始数据具有随机性, 为了找出其中的内部规律, 灰色理论通常把原始数据进行累加生成处理得到新数列。
设交通事故原始数据序列为:
对其进行数据累加生成处理, 得到新数列:
2.对原始数据序列X (0) (t) 进行准光滑性检验。
若X (0) (t) 为准光滑序列, 其一阶累加生成序列具有指数规律, 可对X (0) (t) 建立GM (1, 1) 模型。
(二) GM (1, 1) 模型的建立
GM (1, 1) 模型的一般形式为:
构造数据矩阵, 其中第一列的元素为:第二列元素全部为1。
构造数阵向量:
用最小二乘法求待定参数a、u。
得到道路交通事故的GM (1, 1) 模型:
道路交通事故最终的GM (1, 1) 模型为:
(三) 模型精度的检验
后验差检验是根据后验差比值C和概率值P两个指标对模型精度等级做出合理评价。设序列x (0) (t) 的方差为S12, 残差序列E的方差为S22, 则后验差比值
根据P与C的数值, 把预测模型精度划分为四个等级, P>0.95且C<0.35表示预测精度很好, P>0.8且C<0.45表示合格, P>0.7且C<0.5表示勉强, 其余为不合格。
二、主要预测内容及过程
据统计, 我国在2008~2011年交通事故次数原始数列为:
由此可得生成数列为:
对原始数列x (0) (t) 进行光滑性检验可知该序列满足准光滑条件, 故可以利用GM (1, 1) 模型建模。
进行还原计算, 求出2006年到2011年的事故模拟值分别为:373618, 312867, 278845, 248522, 221497, 197411。
模型精度检验参数如下:后验差比值C=0.1772, 概率值P=1.0000。根据灰色模型精度等级标准来判断, 所建立交通事故GM (1, 1) 预测模型较好, 可以用来预测。再由计算结果可知, 各年事故实际值和事故模拟值间的误差的绝对值均在10%以内, 根据一般经验我们认为10%以内的误差是可接受的, 所以建立交通事故GM (1, 1) 预测模型是可行的, 那么交通事故数2012~2014年的预测结果计算为:175944, 156811, 139759。
由结果可知, 笔者使用交通事故GM (1, 1) 预测模型预测了2012~2014年的交通事故量。虽然我们还无法收集到2013~2014年的事故实际值, 但是可以考察2012年的预测精度, 以近似判断其他年份精度的好坏。2012年事故实际值为192681起, 而由交通事故GM (1, 1) 预测模型的计算值为175944起, 两者相差-16737起, 误差值为-8.69%, 我们可认为2012~2014年事故实际值和事故模拟值间的误差不大, 预测结果具有高精度。
三、结语及建议
预测分析结果依赖于原始数据的精确程度, 这是任何一种预测方法都不可能超越的一点。通过运用灰色理论的方法, 对未来事故指标的预测, 获得的结果精度较高, 其预测值具有可信性。
交通预测分析 第8篇
一、我国地铁行业发展现状及远期规划
我国地铁建设自20世纪60年代开始, 进入缓慢发展的起步期, 先后建成了北京地铁、天津地铁、哈尔滨人防隧道等工程。至20世纪80年代, 我国地铁建设目标从“以人防为指导思想”转变到“以城市交通为目的”, 建成了上海、广州等城市的地铁系统。进入20世纪90年代后, 一批省会城市开始筹建地铁, 但由于项目多数造价较高, 国务院于1995年暂停了地铁项目的审批, 同时国家计委启动了地铁交通设备国产化政策的研究。1999年以后, 国家政策逐步鼓励大中城市发展地铁交通, 地铁建设也随之进入一个前所未有的高速发展时期。
截至2013年5月, 我国已经开通地铁的城市共有20个, 营运里程达到2518.6千米, 在建里程为2975.58千米, 规划达到14678.84千米。
二、天津地铁的现状及未来规划
1. 天津地铁发展历程及现状
天津地铁是服务于中国天津市的城市轨道交通系统, 第一条线路1970年4月7日开工建设, 以天津市墙子河改造工程的名义立项, 又称“7047工程”, 于1976年2月营运, 是中国大陆第二条投入营运的地铁线路。天津也因此成为中国第二座营运地铁的城市。此后, 天津地铁分别于1979年和1984年进行了两次扩建, 总里程达到7.4千米。
截至2013年底, 天津轨道交通线网已开通营运4条线、85座车站、总里程为135.36千米;其中, 1、2、3号线服务中心城区及环城四区, 9号线连通中心城区和滨海新区。
2. 天津地铁在建工程情况
除了正在运营的地铁1、2、3、9号线, 天津正在建设的地铁还有5号线、6号线、4号线和2号线延长线、1号线延长线。
地铁5号线:全线28座车站和1座停车场、1座车辆段, 已完成29座场站招标, 26座已进场施工, 目前3座车站已完成主体施工, 18座车站正在进行基坑开挖及主体结构施工, 5座正在进行车站围护结构施工;3座未开工车站正陆续准备进场施工。
地铁6号线:全长56.13千米, 设48座车站和1座车辆段, 已全部完成招标, 其中38座已进场施工, 目前2座车站已完成主体施工, 23座车站正在进行基坑开挖及主体结构施工, 8座正在进行车站围护结构施工, 5座正在进行交通导行和管线切改等前期工作;2座未开工车站陆续准备进场施工。
地铁4号线:目前已经正式启动地铁4号线南段线建设, 前期工作已经展开。地铁4号线线路全长41.04千米, 均为地下线, 设32座车站。
地铁2号线机场延长线及机场交通中心工程:2号线机场延长线从李明庄到天津机场T2航站楼, 目前已经实现隧道双线贯通, 轨道铺设工作即将完成, 正在进行行车设备安装调试;机场交通中心工程主体结构已基本浇筑完成, 目前正在进行2号线机场站和机场枢纽的设备安装及装修施工。2014年8月份地铁2号线机场延长线及机场交通中心工程与机场T2航站楼同步投入试运营。
地铁1号线延长线工程:全线共10座车站均已进场, 其中1座双林站正在进行站后明挖区间施工;5座车站正在进行导墙施工;4座车站正在进行场地平整工作。2014年底完成9座车站的主体结构施工。
3. 天津地铁的营运里程发展
随着地铁建设的不断发展, 天津地铁营运里程也在不断增加。由1976年的3.6千米开始, 经过三十余年的建设, 天津地铁现在已经开通了1号线、2号线、3号线和9号线, 营运里程达135.364千米。
预计在2020年前后, 随着天津地铁5号线、6号线和4号线的建成通车, 天津地铁营运里程将增加130.613千米, 达到265.977千米。并且, 根据天津地铁建设规划的不断实施营运里程将不断增加, 最终达到1380千米。
在今后10到20年或更长一段时期内, 天津市城市轨道交通建设对于相关人才的需求都将处于旺盛期。
三、人才需求分析
1. 城市轨道交通车辆专业主要面向工作岗位
城市轨道交通车辆专业主要面向城市轨道交通运营企业机务、车辆部门的生产、管理一线, 培养掌握城市轨道交通车辆专业理论知识, 能够运用车辆检修工艺、车辆检测技术对车辆进行维护、保养、检查、修理, 能够依据行车线路信号设备正确驾驶城市轨道交通车辆, 安全作业意识和纪律意识高、团队合作和协调组织能力强的技术人才。主要就业岗位有城市轨道交通电客车司机和车辆维修工。
2. 城市轨道交通车辆专业人才需求因素
迅速发展的城市轨道交通, 带来的是巨大的人才需求。通过走访天津城市轨道交通运营相关企业, 结合铁路运营管理的相关规定得出, 城市轨道交通车辆人才的需求主要与电客车列车组的数量有直接关系。而列车组的数量取决于线路运营里程、车站数量、车辆运行速度、发车间隔时间等因素。为明晰数量关系, 引入配车系数, 定义如下:
配车系数=线路里程/配车组数/车站数量
以天津地铁1号线为例, 天津地铁1号线全长26.188千米, 设车站22座, 共配备列车25组, 配车系数为26.188/25/22=0.047615。目前的车辆配备仅能满足最短运行间隔5分钟的要求, 如果要想达到最短运行间隔2分钟的要求, 据介绍, 配备的列车组数要翻倍, 达到50组才能满足要求。天津地铁目前营运里程为135.364千米, 共配备列车113组, 详见表1。
通过表1可以看出, 天津地铁1号线、3号线配车系数在0.047~0.048之间, 最小行车间隔可以达到5分钟;地铁2号线由于配车系数稍大, 为0.051847, 最小行车间隔为6分钟;地铁9号线虽然配车系数较高, 但由于其车站间距较大且列车最高速度值大, 最小行车间隔也能达到5分钟。
根据在建的天津地铁5号线、6号线和4号线的相关规划, 3条线路营运里程分别为33.6千米、56.13千米和41.04千米, 设置车站分别为28座、48座和32座。若按满足最小行车间隔5分钟的要求 (配车系数0.047) , 3条线路需要配车组数分别为26组、25组和28组, 共计79组。若考虑到将来多线组网运行客流增加, 需要缩短行车间隔至2分钟, 列车配备组数还将翻倍, 连同正在营运的1号线、2号线、3号线和9号线, 列车配备达到384组, 增长271组。
据介绍, 现在地铁采用大四班作息制度, 一列车组需要配备司机4名, 同时每个车务段根据本段车辆的多少, 需要配备一定数量的车辆检修人员, 与司机的比例约为3:1。另据介绍, 天津地铁的车辆维修、维护、保养已经从委外维修开始向自主维修转变, 将来需求的维修保养技术人员还将进一步增加。
通过以上分析可以看出, 仅天津一地, 在5号线、6号线和4号线建成之后, 列车配备组数将达到现有数量的3倍以上, 届时对于列车驾驶、维护、保养、检修的相关专业技术人员的需求将在1400人至1800人左右, 并且随着其他规划线路不断开工建设, 人才需求量将不断加大。
摘要：当前我国城市轨道交通正处于快速发展时期, 各相关专业人才需求也随之进入旺盛期。科学、合理的预测人才需求, 对于专业人才培养资源的配置具有十分重要的意义。本文通过对全国及天津城市轨道交通发展的调查研究, 分析得出了天津城市轨道交通车辆人才的需求因素并进行了需求预测。
关键词：轨道交通,人才需求,预测
参考文献
[1]中商情报网.2011-2015年天津地铁行业市场研究及发展趋势分析报告[R], 2015.
[2]天津市政府.天津市城市总体规划 (2005-2020) , 2006.
[3]韩圣章.天津市地铁集团发展规划重点[R].第九届世界轨道交通发展研究会年会, 2012.
交通预测分析 第9篇
近20年来,我国高速公路建设突飞猛进,截止2011年底我国高速公路总里程达8.5万公里,据可查资料已经接近于美国。但随着高速公路的迅速发展,高速公路交通事故也在不断上升,特大交通事故更是频频发生,如2010年的陕西二广高速大同线绕城段“3·14”特大交通事故(死亡11人、受伤19人)、江苏宁合高速南京段“10·9”特大道路交通事故(死亡17人、受伤27人)[1]。在全国道路事故死亡人数不断下降的同时,高速公路交通事故死亡人数却呈现出不断上升的趋势(如图1),高速公路死亡人数占全国道路死亡人数的比重也呈现出不断上升的趋势,从1994年不到1%的比例已经上升到2010年的10%。
2003年莫耀祖等[4]对我国道路交通事故的时间分布进行研究,2005年李文权等[5]对江苏省道路交通事故发生的时间特征进行分析,2007年陈强等[6]利用信息熵对我国高速公路交通事故的时间分布进行分析,2008年常宇等[7]对我国高速公路交通事故特征进行分析,但以上学者的研究均未采用统计学中时间序列的定量分析方法。笔者在下文中将使用时间序列中的季节系数法对高速公路交通事故的时间分布规律进行实证分析,以期得到较为科学并具有指导意义的结论。
1 交通事故季节变动的概念
在一年之内,由于季节的变动,会使某些社会经济现象(一定的时间序列)产生规律性的变化,这种规律性变化通常称之为季节变动[8]。交通事故的总量及死亡人数也会每年在一定时期内增长,在一定时期内减少,甚至在一定时期内接近消失,沿着一个固定的年内周期波动,这种事物及其数量表现在一年内各种时间单位(如季度、月份、星期、乃至一天24小时)上的不均衡分布,交通事故的年内起伏也可称之为交通事故季节性或交通事故的季节特征。基于一般的统计学和交通工程管理理论,交通事故季节性应属具有长期趋势的时间数列的年内变动,但我国高速公路地域分布极不平衡、交通流量也不一样,所经区域的天气情况也有着南北差异。试图从整体上研究我国高速公路交通事故的季节变动规律对各地区的交管部门的实际预防和管控交通事故并没有现实的指导意义,因此本文截取了京沪高速某段近五年来的交通事故数据来实证分析其季节变动规律。
2 交通事故季节变动的测定方法
高速公路交通事故季节性应属具有长期趋势的时间数列的年内变动,因此本文采用移动平均趋势剔除法来测定交通事故的季节变动程度和高峰低谷。其基本思路是先从时间数列中用移动平均法将长期趋势剔除掉,然后再应用“同期平均法”剔除循环变动和不规则变动,最后通过计算季节比率来测定季节变动的程度和高峰低谷[9]。其基本步骤主要有以下三步:
(1)对原时间序列求移动平均,以消除季节变动和不规则变动,保留长期趋势;
(2)将原序列y除以其对应的趋势方程值(或平滑值),分离出季节变动(含不规则变动),即:季节系数= TSCI/趋势方程值(TC或平滑值)=SI;
(3)将季度(或月度、星期、天、一天二十四小时)的季节指标加总,以由计算误差导致的值去除理论加总值,得到一个校正系数,并以该校正系数乘以季节性指标从而获得调整后季节性指标(S)。
下面以京沪高速(简称G2)某段2007-2011年五年来的交通事故总量的季度数据为例来实际测定高速公路交通事故的季节性指标。见表1和表2。
3 交通事故季节变动规律的实证分析
从表1和表2可看出,京沪高速某段交通事故一季度的季节性指标为1.2192,其季节变动程度最明显,其他三个季度的季节性指标非常接近,该段的交通事故的高峰期在一季度,二、三、四三个季度基本持平,并无明显的低谷。季度的季节变动对于各地的交管部门而言显得较为宏观,对于实际预防和管控交通事故而言也显得难以把握。因此,笔者将交通事故季节变动规律的分析精确到月份、星期、年均日、24小时中。
3.1 月份及星期季节变动规律分析
高速公路交通事故月份季节变动规律受所在区域的地理位置、气候条件、不同月份道路交通流情况等因素影响而有所不同。即使是在同一条高速公路的不同地区或同一地区的不同高速公路,高速公路交通事故月份季节变动规律也不完全相同。
从图2可以看出,京沪高速某段月度的季节变动程度明显,以1月、2月、10月为高点,3月和12月为低点。京沪高速某段交通事故的月度季节变动规律是:每年1月和2月是交通事故的高峰期,3月交通事故开始减少,至4月有一次小的上升,5月到9月又开始减少(没有太大的波动),至10月又开始回升到一次高峰,11月、12月再度减少,周而复始,每年如此,事故多发的月份为1月、2月、4月、10月。
从图3可以看出,京沪高速某段的星期的季节变动程度明显,以星期一、星期六为低点,星期三为高点。该段的星期季节变动规律是:星期一是交通事故的低谷,星期二稍微上升,至星期三达到事故的高峰期,星期四、星期五小幅回落,星期六降至低谷,星期天又再度回升。事故多发期为星期三。
3.2 年均日及24小时的季节变动规律分析
从图4可以看出:该段的年均日的季节变动程度也是明显的,以每个月的1号、3号、5号、11号、26号、28号为高点,每个月的2号、18号、20号、23号为低点。该段交通事故的年均日季节变动规律是:月初的波动幅度比较大。
受气候、环境、人们生活规律的影响,高速公路交通事故24小时中的分布也各不相同。交管部门一旦掌握某高速公路交通事故的小时分布规律,就可以减少交通事故的发生[10]。从图5可以看出:该段的交通事故的年均日24小时季节变动程度是非常明显的,每天的0:00-1:00、10:00-11:00、16:00-17:00是交通事故的高点,每天的2:00-3:00、20:00-21:00 是事故的低点。每天的凌晨1点左右、上午10点左右、下午4点左右是该段交通事故的高峰期。
4 交通事故季节性预测
季节变动预测的数学模型(以直线为例)为yt+k=(at+btk)θk,式中:yt+k是t+k时的预测值,at,bt为方程系数,θk为季节性指标。用二次指数平滑法,求预测模型系数。平滑指数α的取值范围一般是在0-1之间,在不同的取值范围内测算出的预测值与往年的实际值相比较,取平滑指数α=0.2时,其预测值与实际值的误差最小,分别计算一次指数平滑值和二次指数平滑值,然后再分别计算趋势预测模型的系数(其中
由表3可知,预测模型为y20+k=(157.78-1.41k)θk,其中θk为校正季节性指标。由此可以计算出京沪高速某段下一年全年度的交通事故数。
5 结论
通过上文的实证分析,本文主要得出了以下两个结论:
(1)京沪高速公路某段交通事故季节变动程度明显,该段交通事故高峰期出现在一季度,1月、2月、4月、10月,每月的月初和月末以及每天的凌晨1点左右、上午10点左右、下午4点左右;
(2)预测了该段交通事故在下一年度的事故起数。
参考文献
[1]公安部交通管理局.中华人民共和国道路交通事故统计年报[R].北京.公安部交通管理局,2011
[2]韩凤春,曹金璇.沈大高速公路交通事故特性及其安全设计研究[J].公安大学学报,1998,10(2):44-51HAN Feng-chun,CAO Jin-xuan.Study on traffic accidentcharacteristics and safety system design of Shengda high-way[J].Journal of Chinese People’s Public Security Uni-versity,1998,10(2):44-51
[3]蔡果.我国高速公路交通事故趋势分析[J].中国安全科学学报,2001,11(2):11-16CAI Guo.Analysis on the trend of expressway traffic acci-dent in China[J].China Safety Science Journal,2001,11(2):11-16
[4]莫耀祖,邓海英,韩志刚.我国道路交通事故的现状及其综合治理[J].中南林学院学报,2003,23(4):66-68MO Yao-zu,DENG Hai-ying,HAN Zhi-gang.Present stateof domestic road traffic accidents and its treatments[J].Journal of Central South Forestry University,2003,23(4):66-68
[5]李文权,王晓文.江苏省交通事故时间分布分析[J].公路交通科技,2005,22(10):136-139LI Wen-quan,WANG Xiao-wen.Time distribution analy-sis of traffic accident in Jiangsu province[J].Journal ofHighway and Transportation Research and Development,2005,22(10):136-139
[6]陈强,王双维,等.基于信息熵的高速公路交通事故时间分布分析[J].军事交通学院学报,2007,9(1):1-3CHEN Qiang,WANG Shuang-wei,et al.Analysis of timedistribution of expressway traffic accidents based on infor-mation entropy[J].Journal of Academy of Military Trans-portation,2007,9(1):1-3
[7]常宇,王长君.我国高速公路交通事故特征分析[J].中国安全生产科学技术,2008,4(5):155-158CHANG Yu,WANG Chang-jun.Analysis on characteris-tics of freeway accidents in China[J].Journal of SafetyScience and Technology,2008,4(5):155-158
[8]谢景文.统计学原理[M],北京理工大学出版社,2010:201-202
[9]朱德林.扬州市区1980-2002年犯罪动态分析及预测[R].江苏省扬州市公安局,2003
福州市闽江过江交通量预测与分析 第10篇
关键词：交通规划,过江通道,交通量预测,双约束重力模型
福州市区以闽江为界, 划分为南北两岸。由于跨越闽江的过江通道不足, 闽江作为一个天然的屏障, 限制了福州市城两岸的均衡发展, 跨越闽江已成为福州市城市交通发展的主要瓶颈[1]。解决过江交通瓶颈问题需要从硬件和软件2个方面入手, 硬件方面主要是建设能够满足过江需求的过江通道;软件方面主要通过合理的交通规划和交通需求管理, 减少跨越江截面的过江交通量。无论从硬件还是从软件方面提出改善过江方案, 过江交通量预测都是决策的重要依据。
1 现有福州市闽江过江交通情况
现有福州市闽江过江通道全部为桥梁形式, 已建桥梁包括青洲大桥、鳌峰洲大桥、闽江大桥、解放大桥、三县洲大桥、尤溪洲大桥、金山大桥、洪山桥等。通过交通调查, 目前福州市城区过闽江交通总量超过30万辆/日。现有的桥梁已经不能满足过江交通量的需求, 部分桥梁的通行饱和度已经超过1, 对部分桥梁傍晚高峰 (约17∶00～18∶00) 通行能力及饱和度进行调查和统计, 见表1[2]。
2 福州市闽江未来过江交通预测
2.1 小区的划分与OD现状
考虑到预测闽江过江交通量, 不必把福州市小区划分的过细, 本预测将福州市按照行政区划分为以下7个大区, 各个小区的编号与位置如图1所示。
经过交通调查得出现状居民全方式出行OD矩阵, 如表2[2,3]所示。
2.2 小区未来的发生量与吸引量
未来各个小区的发生量与吸引量, 根据现有OD和出行生成与吸引模型, 可以预测2020年福州市各个小区的PA (不包含内部出行) , 如表3[4]所示。
2.3 分布预测模型选择
1) 模型选择。
交通分布预测是交通需求预测的关键, 出行分布模型基本上可以分为2大类:增长系数法和综合法。其中综合法中的双约束重力模型可以更好的描述交通分布需求的特点, 因而应用广泛。福州市闽江过江交通量预测采用双约束重力模型法作为基础模型, 主要基于双约束重力模型的以下特点[5,6]:①模型能考虑到土地使用对交通产生与吸引的影响;②模型对地区间交通所需时间的变化反应比较敏感;③模型的适用性比较广, 可以没有现状完整的OD。
2) 模型表达
式中:Tij为小区i、j间的分布交通量;f (tij) 为分布阻抗函数, 这里取f (tij) = tijγ, tij采用小区间的出行时间;Ki为行约束系数;Kj为列约束系数;Pi为i小区的发生交通量;Aj为j小区的吸引交通量。
2.4 计算过程与预测结果
2.4.1 模型的标定与计算[7]
1) 给γ一个初值, 令γ=1。
2) 用迭代法求Ki, Kj。①令列约束系数Kj=1, 将列约束Kj代入式 (2) 求各行约束系数Ki;②将行约束Ki代入式 (3) 求各列约束系数Kj;③比较先后2次的行、列约束系数变化, 要求相对误差<3%, 否则继续迭代。
3) 将求得的约束Ki代入模型, 用现状分布表求出理论分布表。
4) 计算实际分布表的平均交通阻抗tij实和理论分布表的平均交通阻抗tij理。
5) 当tit理<tij实时, 理论分布量<实际分布量, γ值偏大, 令
2.4.2 预测闽江过江交通量
根据以上算法, 用C语言编写模型计算程序, 得到2020年全方式出行分布矩阵 (不包括内部出行) 结果, 见表4。
未来的出行分布只有部分交通量为过江交通量, 通过闽江截面的过江交通总量N为
式中:X (i, j) 为小区i到小区j的分布交通量。
可以求得2020年福州市闽江过江交通达到171万人次/日。
3 过江交通预测结果分析
3.1 福州市过江交通量将大幅度增长
通过预测可以看出, 未来福州市小区间出行将达到595万人次/日, 远远大于现状的小区间出行量363.5万人次/日, 到2020年福州市闽江将有171万人次/日左右的过江需求, 与现有61万人次/日的出行相比, 将大幅度增长。其主要原因如下:①福州市经济的发展、基础建设投入的加大、人口的增长, 促进了福州市城市规模的不断扩大, 从而城市居民出行总量增多;②21世纪以来福州市小汽车发展极为迅速, 平均每年以28%的速度增长, 预测未来20年福州市机动车虽然增长速度会有所减慢, 但还是会保持增长的势头。小汽车拥有量的增加, 大大延伸了人们之间的出行距离, 组团与组团之间的出行将增多, 过江交通需求在未来20年里将大幅度增加。
3.2 现有福州市过江通道建设不足
由表1及闽江现有桥梁现状可知, 现有闽江过江通道数量有限且分布不均, 同时规划不合理, 管理不善, 现在部分桥梁已经出现堵塞, 随着未来出行的加大, 通过预测, 过江交通需求会增加到现在的2倍以上, 现有桥梁已经不能满足福州市城市发展的需要。
3.3 福州市城市与交通结构不合理
从城市结构来说, 中心城区面积不足城市区面积的1/4, 人口却占51.12%[8], 福州市老城区人口趋于饱和, 居民向仓山、大学城等新组团迁移[9], 而新组团不能提供足够的工作、商业、娱乐和医疗等, 形成工作与生活不能在同一组团, 组团之间不必要出行增多。
从交通结构上看, 福州市公交出行比例不够, 到2007年福州市居民出行公交方式分担为18%左右, 而小汽车出行为35%左右[8], 居民过江出行量, 大部分采用小汽车形式, 加大了桥面负担和交通拥挤。
4 结 论
1) 土地利用与交通规划一致:
减少不必要的跨江出行, 使工作与生活在组团之间, 减少不必要的跨组团的过江出行, 这是解决未来过江交通量增加的根本举措。
2) 加大闽江过江通道的供给:
在闽江上合理的规划建设桥梁与隧道通道, 不仅能解决过江交通压力, 满足过江需求, 同时也是解决福州市均衡发展的保障。
3) 优先发展公交, 加强交通需求管理:
在居民OD分布不变的情况下, 减少机动车OD, 大力发展公交, 提高公交服务的质量, 建设跨越闽江的轨道交通与专用轨道桥梁, 使福州市公交出行比例达到35%左右, 过江的小机动车比例下降, 从而减轻过江的压力。同时采用过桥收费, 鼓励合乘等交通需求管理策略, 减少机动车的发生量, 从而达到减少过江交通量的目的。
参考文献
[1]陈仁春, 付建广, 周华.城市交通发展战略研究[R].福州市:福州市规划设计研究院, 2004.
[2]福州市发展和改革委员会.福州市区OD调查报告[R].福州市:福州市规划设计研究院, 2006.
[3]王秀明, 周新年, 方万春, 等.基于XML技术的交通调查数据存储及应用[J].福建农林大学学报, 2009, 38 (3) :329-332.
[4]李文勇, 杨敏, 陈学武, 等.组团城市交通需求预测——以浙江省湖州市为例[J].规划师, 2006, 22 (1) :84-87.
[5]陆化普.交通规划理论与方法[M].北京:清华大学出版社, 2007.
[6]张兰, 彭国雄.重力模型标定方法的分析及应用[J].交通科技与经济, 2009 (1) :106-108.
交通预测分析 第11篇
关键词：米东路；四阶段法；经济人口预测；保有量预测；境内交通分配；过境交通分配
中图分类号：U491.113 文献标识码：A 文章编号：1000－8136（2011）27－0148－03
米泉市和东山区原本分属于昌吉州和乌鲁木齐，近年行政区划调整，米泉市和东山区并称乌鲁木齐市米东区。米东路全长22.4 km，横贯米东区中部，是原米泉市和东山区的分界线，原来的单一交通功能要融入城市道路特征，提高服务性，加强两侧联系，改造为城市道路。米东路交通量预测面临两个合并区域要同时纳入交通量预测范畴的问题，在该项目可行性研究报告中，进行了一些探索。
1 道路远景交通量推算与四阶段法的区别
针对一条具体道路的交通量预测，如果该条道路的历年交通量调查资料齐全，那么交通量预测相对来说比较简单，只需要找出历年交通量与当地经济之间的相关关系，建立数学模型，即回归方程，然后了解当地今后的经济发展目标，能够得到较科学的预测结果。但实际上严重缺乏类似的交通量基础资料，这种预测方法基本不可行。
四阶段法是用于公路规划的一种交通量预测方法，通俗地说，这种方法更适于区域交通路网规划，通过预测整个区域内的交通总量，将之合理分配到区域内的各条道路上，由每条道路承担交通量的大小确定道路等级，因此预测结果可以作为路网规划的依据。
2 四阶段法的若干注意问题
四阶段法顾名思义是通过交通量生成、交通量分布、出行方式划分及交通量分配四个步骤，预测交通量。在引用四阶段法时，有如下问题需要注意：
2.1 交通量生成与机动车保有量的区别
机动车保有量和交通量，机动车保有量是指机动车的数量，而交通量不仅与保有量有关，重要的是与机动车的出行次数及出行方式有直接关系。四阶段法的首要步骤即为交通量的生成预测，虽然保有量不能代替交通量，但可以通过预测保有量，结合四阶段法的第二步、第三步，得到所需要的交通量。
2.2 客、货运分别预测
用相关方法预测机动车的保有量，需要建立机动车保有量与国民经济、人口诸因素之间的回归方程，而二元回归方程也需要计算机软件程序，在没有软件帮助的情况下，可以考虑客、货车分别预测，客车仅与人口建立相关模型，货车考虑经济、人口双重因素，用人均GDP表示，从而分别预测最后叠加。
2.3 四阶段法关键步骤——分配
四阶段法的最后步骤即交通量分配却是决定最终结果是否科学的关键。由于四阶段法是建立在OD出行生成模型的基础上，还需要特殊的软件程序，分析并计算庞杂的数据。目前乌鲁木齐市并不具备这样的技术条件，也没有详尽的OD调查数据，因此交通量分配套用原四阶段法的模式非常困难，但结合现状采用定性分析同样也能取得满意的结果，这就需要设计人员务实分析研究项目在交通区的功能地位，在掌握现状交通情况的基础上，提出可靠、实际的预测思路。定性分析应是四阶段法的精髓所在，往往分析的合理与否决定了整个预测的成败。
2.4 四阶段法预测结果是境内交通
四阶段法预测的交通量由区域交通而来，道路交通量由交通小区之间产生的交通量分配所得，而实际上道路交通量还应包含过境交通及穿越交通小区发生的交通量，这部分交通量也应预测。
3 乌鲁木齐市米东路交通量预测
3.1 交通量预测年限
根据交通部颁布的《水运、公路建设项目可行性研究报告编制办法》的规定，交通量预测年限为项目建成通车后第20 a，预测特征年为项目投入使用初年，米东路计划2009年全线建成通车，交通量预测年限至2029年。
3.2 交通量预测的方法
由于缺乏米东路历年交通量调查数据，无法对米东路直接进行交通量预测，本科研采用四阶段法对项目影响区做交通量预测，通过交通量生成、交通量分布、出行方式划分及交通量分配四个步骤，预测出米东路的交通量。米东区作为米东路的直接影响区，是由米泉市及东山区2个区域组成，虽然已合并为1个新区，但米东区未来的发展规划是在尊重各区原有规划的基础上进行的调整，在预测年限内，这2个区域的经济模式依然会遵循各自的发展规律，因此将影响区划分为2个交通区，分别对交通区进行经济分析及交通量预测，并将各区预测结果分别分配到米东路中。
具体预测采用定量与定性分析相结合的方法，定量分析针对交通量的生成预测，通过建立机动车保有量与经济、人口主要影响因素间的预测模型，预测未来年机动车保有量，分析并预测机动车的组成构成来完成交通方式的划分，最后参考各种车辆的出行次数，从而科学预测交通量出行量。由于现有资料的缺乏，交通量分布及交通量分配只能采用定性分析，考虑影响区的现状路网及交通规划，分析米东路在交通路网中的功能作用，预测米东路分配的交通量。
上述方法预测出的结果仅为影响区的境内交通，米东路应全面考虑其承担的境内及过境交通，分别予以分析预测，两者之合即米东路的最终预测结果。
3.3 经济及人口预测
受行政区划合并进程影响，米东区2006、2007两年的统计数据无法获得。以东山区、米泉市2000－2005年经济、人口统计情况为基础，根据米东区第十一个五年发展目标，在2010年地区生产总值将达到140亿元，参考乌鲁木齐市历年的GDP增长率、米泉市未来年的经济增长预测指标，预测地区生产总值年增速，计算未来年地区生产总值。
根据米泉市及东山区分区规划，未来年米泉市规划人口35万，东山区规划人口25万，米东新区远期规划人口为60万，人均GDP见表2。
3.4 机动车保有量预测
建立历年机动车保有量与区域经济、人口的相关关系，来预测未来年交通区内机动车的保有量。货车考虑经济因素，客车考虑人口、经济双重因素。米泉市历年车辆保有量统计略去。
货车保有量预测过程略去，经计算交通区未来年机动车保有量东山区为18 000辆，米泉市为70 000辆。
3.5 交通方式划分
交通出行预测分别考虑客运出行及货运出行，根据客、货车的历年统计资料及未来机动车辆出行次数分别预测客运、货运交通出行量。
3.5.1 东山区交通方式划分
由表5可知，东山区机动车构成比例与乌鲁木齐市有所不同，其货车比例较重，呈现出以工业为主的城郊工业区特点，且始终保持增长趋势，而客车比例比较平稳，随着石化工业园区的建设拓展及米东新区的成立，将来东山区的货车比例会继续提升，同时体现公交优先及私人交通自动化的发展趋势，摩托车的比例会逐年减少，由此确定未来年机动车货车保有量比例为70%，客车保有量比例为30%。
3.5.2 米泉市交通方式划分
同理确定米泉市的货车保有量比例为40%，客车保有量比例为60%。计算过程及结果略去。
3.6 出行量预测
参考《米东区道路交通规划》中米东区未来年各种车辆的出行次数，确定各种机动车出行量，换算为标准车结果如下：
大货车：出行次数为2.3/d，折算标准车系数取2.5。
小货车：出行次数为2.2/d，折算标准车系数取1.0。
大客车：出行次数为2.2/d，折算标准车系数取2.0。
小客车：出行次数为2.5/d，折算标准车系数取1.1。
摩托车：出行次数为2.5/d，折算标准车系数取0.8。
可以得到未来年机动车出行量，见表6：
3.7 境内交通分配
2007年12月我院测得米东路日交通量为28 424 pcu/d，其中90%为境内交通，境内交通占东山区、米泉市出行总量的比例为31%，可以认为此数据基本反映了米东路在影响区内的现状流量分配情况。
根据路网交通规划米东路将来承担的路网容量占区内路网容量的8%。这一数据反映了一般情况下作为城市主干路所能承担的道路路网容量比值，米东路作为区域内的主轴线、南北向的客运通道，它所承担的交通量还应在8%的基础上提高。
由此综合现状及规划双方面考虑，确定米东路将来的境内交通分配比例在8%～31%之间，考虑到米东路实际发生的交通量还包括乌市其他区域与米东新区之间产生的区间交通，该部分交通量没有预测数据，但包含在31%内，因此将区间交通考虑在内，确定米东路的境内交通分配比例为20%，得到未来年境内交通量：274 520×0.2＝54 904 pcu。
3.8 过境交通分配
由现状交通量资料可知，米东路的境内交通与过境交通比例为90∶10，经过现场调查及对米东新区现状路网分析，发现影响区内的南北向过境交通主要通过吐乌大高速公路和米东路实现，而其中大部分过境交通集中在吐乌大高速公路，米东路承担了部分过境客运和货运。结合米东路在路网规划中的功能定位，将来米东路的货运过境交通会逐步减少，至未来年可以不考虑货运过境交通。米东路承担的客运过境交通占总量的2%～3%，按照3%考虑，得到米东路未来年过境交通量：54 904×3/90＝1 830 pcu。
3.9 交通总量预测
米东路未来年日交通总量为56 734 pcu/d，境内交通量54 904 pcu/d，过境交通量1 830 pcu/d。
3.10 设计小时交通量
本次交通量调查测得米东路高峰小时系数为9.5%，计算得到2029年末米东路的设计小时交通量Nb＝56 734×0.095＝5 390 pcu/h。
4 结束语
随着城市道路改扩建工程的综合性提高，对前期可行性研究提出了更高的专业要求，尤其交通量预测分析是道路规划等级的基础，可行性研究应针对各条道路现状、结合城市经济发展，做细致分析及科学预测。如果在可行性研究报告中对交通量预测有所欠缺，导致对未来的交通量预测偏差过大，则可能出现提前进入饱和状态产生拥堵，或建成投入使用多年后仍有富裕而造成浪费。因此，科学地预测交通量是道路建设前期研究阶段中至关重要的部分，应尽可能地利用现有资料，结合理论开拓思维，综合考虑经济、交通、规划等各方面因素，寻找其相关性，判断并平衡其对交通量的影响程度，提出有依可循的、合理的预测。
参考文献
1 王建军.交通调查与分析［M］.北京：人民交通出版社，2004
2 北京市市政设计研究院.城市道路设计规范：CJJ37－90［R］.北京：中国建设工业出版社，1991
3 杨佩昆.交通管理与控制［M］.北京：人民交通出版社，2005
4 符锌砂.道路规划与设计［M］.北京：人民交通出版社，2002
Analysis of Traffic Forecasting Methods for Midong Road of Urumqi City
Kang Wenxia
Abstract: This article discusses the traffic forecasting methods of urban road, and through case analysis, proposes insights for traffic forecasting methods.
交通预测分析 第12篇
交通预测是在现状调查和历史数据基础上建立土地使用——道路交通之间的数学模型, 对未来交通系统可能发生的变化以及交通的发展规律和趋势进行推断的过程[1]。
城市中心区新建隧道一般是由于空间位置受限或道路容量不足, 主要起分流通过性交通作用, 影响周边一定范围内的主干路网。因此, 可利用区域路网节点交通流平衡原则, 进行交通预测分析, 主要流程如下:
1) 预测范围:根据现状交通调查, 结合空间自相关分析模型, 确定交通预测合理的范围。
2) 节点交通流量数据准备:利用城市中心区各路口节点监控分析数据, 分流向统计好各相关路口交通流量数据, 以标准车为单位。
3) 建立交通需求计算模型:根据路网特征, 利用路网节点交通流平衡原则, 定性判断新建隧道主要承担交通流, 并定量测算, 建立交通需求计算模型, 根据节点交通流量数据计算出交通需求。
4) 预测结果校核:利用城市既有模型 (大范围预测模型) 、片区交通预测模型对交通需求预测结果进行复核并适当调整。
二、主要预测模型
根据本文提出的交通预测流程, 利用区域路网节点交通流平衡原则进行交通预测的模型主要有预测范围确定模型和交通需求预测模型。
2.1预测范围确定模型。对于新建隧道交通预测而言, 一般根据拟建线位方案展开周边道路交通调查。不同于四阶段交通预测模型, 利用节点交通流预测模型不需要划分交通小区, 可利用主要道路围成的环形区域作为研究范围, 如何确定外围道路范围是确定预测范围的关键。
一般而言, 特定路段起 (终) 点距离拟建隧道越近, 交通负荷越大, 对拟建隧道的影响也越大。因此, 可结合交通小区面积单元空间变量构建适用于本文的预测范围确定模型[4]:
其中, 表示研究范围路段交通量之和;
Ll表示不同等级道路的长度;
λl表示不同等级道路换算系数 (可按车道数进行换算) ;
d1, d2分别表示路段起 (终) 点距离距离拟建隧道起 (终) 点的距离;
b为参数。
可以看出, 预测范围面积单元空间变量xi仅由其空间位置和内部道路交通现状 (规划) 确定, 不依赖于外围范围的属性值, 因此xi为空间随机变量。利用公式1构建统计量后, 可利用参考文献[1]给出的流程并结合工程实际确定交通预测范围。
2.2基于节点交通流平衡的交通需求预测模型。城市路网结构一般分为棋盘式、环形放射式等, 道路错综复杂。因此, 可抽象出一“日”字形路网, 中间一横为新建隧道:
对于图1所示的示意路网, 新建隧道两端均有现状道路, 交通需求主要为两端直行交通需求及两侧平行道路分流交通, 因此, 可构建交通需求模型如下:
其中, P表示新建隧道交通需求量;
Pij表示第i个交叉口j进口道交通量;
Pk表示第k条平行道路交通量;
λ、η为0~1的常数。
三、工程实例
3.1项目概况。星河隧道工程地处杭州市余杭区中心, 南北两侧各为现状主干道路, 贯通山体两侧, 距离现状东侧邱山隧道约2km;隧道总体呈南北走向, 长约1.2km。
3.2预测范围。通过对项目周边现状路网踏勘, 结合相关规划资料, 利用公式1构建统计量, 可以得到交通预测的研究范围为邱山大街、景星观路、沿山路、藕花洲大街、09省道及星光街围城的环形区域。
3.3预测结果
由于拟建工程距离两侧平行道路较近, 且功能区别较大, 周边道路分流可不考虑。根据交通预测模型, 项目建成后的交通需求按公式 计算, 其中Pi为交叉口中进口道的高峰小时交通量, λi为交叉口中各进口道转移至新建隧道交通需求综合分析系数。
根据现状交通调查, 对主要交叉口流量流向进行分析, 利用上述公式可以得到:隧道建成后, 南向高峰小时交通需求为1400pcu/h, 北向高峰小时交通量为1550pcu/h。
因此, 拟建隧道建成后的高峰小时交通量为2950pcu/h左右。利用区域道路交通专项规划模型, 可以得到未来10年和20年的交通量增长率分别为4.0%和3%, 计算可知近远期交通需求。
四、结论
交通预测是道路交通规划的关键内容, 也是确定新建隧道规模的重要依据。在遵循规划的同时, 具体工程交通预测分析不应仅借助“四阶段”模型。本文抛砖引玉, 为城市新建隧道交通预测提供了一种较为适用的预测方法作为参考。
参考文献
【交通预测分析】相关文章：
交通噪声预测09-16
交通拥堵预测范文06-02
交通需求预测论文05-20
交通量生成预测研究06-03
城市道路交通事故预测06-07
小城市各交通方式出行分布预测方法研究09-13
信息分析与预测07-09
财政收入预测分析07-06